BP 神经网络评价
本模型建立3层的bp 神经网络模型，即输入层、隐含层、输出层各一个。

确定BP 神经网络中的节点数：
根据研究评价体系及相关城市病等级评价的BP 神经网络模型的输入层为10个节点，对应10个评价指标；输出层为5个节点，对应五个城市病的等级识别结果。

在BP 神经网络中，确定隐含层节点数目对神经网络至关重要，它是导致样本训练过程中出现“过拟合”现象的重要原因[4]。

本文采用经验公式法计算隐藏节点数。

21J m =+ （1）
其中，J 为最佳隐含层节点数目，m 为输入层节点数目。

（3）构造网络函数
newff 函数的功能为构建一个BP 神经网络，在本文中的构建形式如下：
(1,2,)net newff PR PR S = （2）
其中，1PR 为输入样本数据，2PR 为输出样本数据，S 为隐含层节点数。

（4）网络训练
根据不同等级城市病的标准，采用等差序列的方法生成25组训练样本，组数满足大于输入节点数的两倍。

确定网络学习速率：BP 算法的收敛速度在很大程度上取决于学习速率，本文采用动量法来调整学习速率，在该权值基础上加上前一次权值调节量的值。

(1)()E
w x m w x w
ξ∂∆+=+∆∂ （3）
式（3）中，m 为动量系数，一般取值（0，0.9)。

动量的作用是缓冲和平滑，改善网络收敛的过程，调节网络收敛速度，从而使模型更稳定
······
输入层
隐含层
输出层
%结果看横排那个数最大对应的位置就是那个级别
将数据录入相应的矩阵中，全选中保存为num表格
训练样本（采用等差序列构造，最好每个等级设置5组以上的训练样本组）
测试样本：。